Validación de Datos (quality checks)

Proceso de garantizar que los datos se hayan sometido a una “limpieza” para generar un conjunto de datos de alta calidad, correcto, coherente y aplicable.

• Es un proceso continuo

• Debe planificarse e implementarse antes de la recolección de datos:

  • aseguramiento de calidad

• Debe realizarse desde el inicio y durante toda la recolección de datos:

  • control de calidad

Proceso de Validación de datos

¿Cuánto antes debo verificar la calidad?

• Debo implementar el proceso de aseguramiento de calidad antes de pasar a producción el proyecto.

Aseguramiento de calidad previo pase a Producción

• El pase a producción del proyecto es condición necesaria para recopilar datos reales.

• IETSI controla este paso en dos puntos:

  • Verificar aseguramiento de calidad.
  • Verificar cumplimiento de estándares éticos y regulatorios.

• La verificación de calidad de parte de IETSI no es tan estricta.

  • Confiamos en que saben lo que hacen (tengan cuidado!)

• La verificación de cumpliemto de estándares éticos y regulatorios es muy estricta por parte de IETSI.

  • No confiamos en nadie hasta no verificarlo rigurosamente (tengan cuidado!)

¿Por qué antes y no después?

• Veamos algunos ejemplos de problemas de calidad frecuentes (en nuestra experiencia) encontrados antes de iniciar la recolección de datos.

Ejemplo 1 Inconsistencias en codificación de alternativas recurrentes

• El clásico ejemplo son las alternativas de Si/No

• Otras alternativas recurentes también pueden ser escritas de manera no armonizada.

• La herramienta de Copiar opciones existentes puede ayudar a reducir este error.

Uso de copiar opciones existentes para prevenir errores de codificación

Ejemplo 2 Formatos no asignados a eventos

• En formularios longitudinales es importante que cada uno de ellos tenga un evento asignado.

  • Si no tiene evento asignado, el formulario no estará disponible.

Ejemplo 3 Errores en crear campos lógicos

Ejemplo 4 ‘Testing’ insuficiente

• Un problema común es que salen a recopilar datos apenas tienen la versión 1 del formulario.

  • Casi siempre van a encontrar problemas con los formularios en campo.
  • Editar los formularios en producción conlleva el riesgo de perder datos.

• Aunque no hay reglas mágicas, recomendamos seguir los siguientes estándares mínimo de testing:

  • Haga al menos 3 pruebas con datos simulados (“fake”)
  • Al menos realice una exportación de datos
  • Revise su pizarra de registros!
  • Altamente recomendable: Revisar el proyecto conm un asesor/experto en datos antes de pasar al modo producción.

Pruebe su instrumento antes de pasar a modo produccion

Buenas prácticas

• Evitar campos con textos libres
• Definir el tipo de variable de los datos
• No mezcle diferentes tipos de datos en una casilla de respuesta
• Usar las reglas de validación de REDCap
• Reducir la cantidad de datos perdidos
• Evitar espacios en blanco
• Ser consistente a lo largo del estudio usando los mismos códigos
• Configura tu base de datos con la estructura en mente

Encontrar discrepancias (quality checks)

Encontrar discrepancias (quality checks)

Encontrar discrepancias (quality checks)

Encontrar discrepancias (quality checks)

Solucionar discrepancias

• Puedes solucionar discrepancia directamente.

• O usar queries para que otra persona asignada los resuelva y documente su resolución.

  • Corregido - datos perdidos
  • Corregido - error de digitación
  • Corregido - error de fuente
  • Verificado - información correcta

Hagamos una pausa